任务描述

本关任务：根据相关知识，得到目标Series对象，具体要求请查看编程要求。

相关知识

Series对象与一维Numpy数组和标准Python字典在许多方面都一样。所以，Series对象的数据索引和选择模式与以上两种数据结构类似。

Series数据选择方法

与Python中的字典一样，Series对象提供了键值对的映射。

  1. In: import pandas as pd
  2. In: data = pd.Series([0.25, 0.5, 0.75, 1.0], index=['a', 'b', 'c', 'd'])
  3. In: data["b"]
  4. Out: 0.5

还可以用Python字典的表达式和方法来检测键/索引和值，也可以像字典一样来修改Series对象的值。

  1. In: "a" in data
  2. Out: True
  3. In: data.keys()
  4. Out: Index(['a', 'b', 'c', 'd'], dtype='object')
  5. In: list(data.items())
  6. Out: [('a', 0.25), ('b', 0.5), ('c', 0.75), ('d', 1.0)]
  7. In: data["b"] = 0.05 # 也可以通过此方法来扩展Series
  8. In: data
  9. Out: a 0.25
  10. b 0.05
  11. c 0.75
  12. d 1.00
  13. dtype: float64

Series对象的可变性是一个非常方便的特性：Pandas在底层已经为可能发生的内存布局和数据复制自动决策，用户不需要担心这些问题。

将Series看作一堆数组

Series对象还具备和Numpy数组一样的数组数据选择功能，包括索引、掩码、花哨索引等操作，具体示例如下所示：

  • 将显示索引作为切片：

    注意：显示索引切片结果包含最后一个索引，也就是能取到“c”的值。

    1. In: data['a':'c']
    2. Out: a 0.25
    3. b 0.50
    4. c 0.75
    5. dtype: float64

  • 将隐式整数索引作为切片：

    注意：隐式索引切片结果不包含最后一个索引。

    1. In: data[0:2]
    2. Out: a 0.25
    3. b 0.50
    4. dtype: float64

  • 掩码：

    1. In: data[(data > 0.3) & (data < 0.8)]
    2. Out: b 0.50
    3. c 0.75
    4. dtype: float64

  • 花哨的索引：

    1. In: data[["a","e"]]
    2. Out: a 0.25
    3. e 1.25
    4. dtype: float64

索引器：loc和iloc

这些切片和取值操作非常混乱，假如Series对象索引序列为整数时，data[2]不会取第三行，而是取索引序列为2的那一行，也就是说会优先使用显示索引，而data[1:3]这样的切片操作会优先使用隐式索引。

  1. In: data = pd.Series(['a', 'b', 'c'], index=[1, 3, 5])
  2. In: data[1]
  3. Out: "a"
  4. In: data[0:2]
  5. Out: 1 a
  6. 3 b
  7. dtype: object

正是应为这些整数索引很容易造成混淆，所以Pandas提供了一些 索引器(indexer) 属性来作为取值的方法。它们不是Series对象的函数方法，而是暴露切片接口的属性。

  • loc属性：表示取值和切片都是显式的；

    1. In: data.loc[1]
    2. Out: "a"
    3. In: data.loc[1:3]
    4. Out: 1 a
    5. 3 b
    6. dtype: object
  • iloc属性：表示取值和切片都是Python形式的隐式索引；

    1. In: data.iloc[1]
    2. Out: "b"
    3. In: data.iloc[1:3]
    4. Out: 3 b
    5. 5 c
    6. dtype: object

Python代码的设计原则之一式“显示优于隐式”。使用loc和iloc 可以让代码更容易维护，可读性更高。特别是在处理整数索引的对象时，我强烈推荐使用这两种索引器。它们既可以让代码阅读和理解起来更容易，也能避免因误用索引或者切片而产生的小bug。

编程要求

本关的编程任务是补全右侧上部代码编辑区内的相应代码，要求实现如下功能：

  • 添加一行数据，时间戳2019-01-29值为320；
  • 获取2019-01-04号之后的数据(包含该日期)；
  • 最后筛选值大于100的数据，得到以下目标Series对象；
    1. 2019-01-06 981
    2. 2019-01-11 647
    3. 2019-01-17 198
    4. 2019-01-20 1698
    5. 2019-01-21 7496
    6. 2019-01-24 8201
    7. 2019-01-29 320
    8. dtype: int64
  • 具体要求请参见后续测试样例。

提示：使用to_datetime()函数可以将字符串转换成时间戳。

pd.to_datetime('2019-01-01')

请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试说明

平台会对你编写的代码进行测试，对比你输出的数值与实际正确的数值，只有所有数据全部计算正确才能进入下一关。

测试输入：

  1. np.array([4,9,4,3,1,981,13,6,46,1,647,64,31,46,46,13,198,76,13,1698,7496,2,100,8201,30])

预期输出：

  1. 2019-01-06 981
  2. 2019-01-11 647
  3. 2019-01-17 198
  4. 2019-01-20 1698
  5. 2019-01-21 7496
  6. 2019-01-24 8201
  7. 2019-01-29 320
  8. dtype: int64

实现代码：

import pandas as pd

import numpy as np

arr = input()

dates = pd.date_range('20190101', periods=25) # 生成时间序列

df = pd.Series(eval(arr),index=dates)

#完成编程要求，并输出结果

#********** Begin **********#

a=pd.to_datetime('2019-01-29')

b=pd.to_datetime('2019-01-04')

df[a]=320

dh=df[b:]

print(dh[dh>100])

#********** End **********

第1关：Series数据选择相关推荐

  1. Case Study: 利用JS实现数据库网页的数据分页、数据选择、数据详细信息查看功能

    一.目标 该笔记的目的是引导读者借助WampServer平台和MySQL数据库,利用HTML/CSS/JS/PHP设计一个能够进行实现数据分页显示.数据选择.数据详细信息查看功能的数据库网页.该数据库 ...

  2. pandas编写自定义函数、使用apply函数应用自定义函数基于Series数据生成新的dataframe

    pandas编写自定义函数.使用apply函数应用自定义函数基于Series数据生成新的dataframe 目录 pandas编写自定义函数.使用apply函

  3. 独家 | SVP：一种用于深度学习的高效数据选择方法

    作者:Cody Coleman, Peter Bailis, and Matei Zaharia 翻译:杨毅远 校对:王琦 本文长度为1800字,建议阅读7分钟 本文为你介绍SVP方法如何在保证识别准 ...

  4. 用于弹出ModalDialog进行数据选择的控件

    修改了一下. 要另外写js函数去打开窗口还是麻烦了点, 现在打开窗口的js函数由控件生成了. 过去写的webform程序,  很多地方需要弹出一个窗口进行数据选择.  最简单的情况是选择了弹出窗口某条 ...

  5. 【若依(ruoyi)】自定义的数据选择对话框

    前言 若依(ruoyi): v4.3 mysql:5.7.31 自定义的数据选择对话框的开发说明 在"若依(ruoyi)"中,数据选择对话框可以分为2类: 树表数据的选择对话框,比 ...

  6. 【若依(ruoyi)】数据选择对话框

    前言 若依(ruoyi): v4.3 mysql:5.5.40 假设的需求 使用部门选择框,选择部门. 其它使用选择框的操作.比如:选择入库单.出库单.用户.- 分析 在"RuoYi&quo ...

  7. android开发实现选择列表,Android使用RecyclerView实现列表数据选择操作

    Android使用RecyclerView实现列表数据选择操作 发布时间:2020-08-31 17:50:13 来源:脚本之家 阅读:76 作者:迟做总比不做强 这些时间做安卓盒子项目,因为安卓电视 ...

  8. python pandas series加速原理_python pandas中对Series数据进行轴向连接的实例

    有时候我们想要的数据合并结果是数据的轴向连接,在pandas中这可以通过concat来实现.操作的对象通常是Series. Ipython中的交互代码如下: In [17]: from pandas ...

  9. python 数据分析入门教程(三)_Python数据分析入门教程(三)：数据选择——AIU人工智能学院-经管之家官网！...

    https://p1.pstatp.com/large/pgc-image/a6743a84f13a4f07a7ec3e9405467c6a 在上面的代码中,iloc后的方括号中逗号之前的部分表示要获 ...

最新文章

  1. Android EditText
  2. python好学嘛-Python好学吗？Python学习路线
  3. Python 之 random模块
  4. vmware中centos6.4突然无法进入图形界面解决方法
  5. grDevices | 如何在图形中使用数学表达式作为标注文本
  6. Android开启/关闭飞行模式命令
  7. PXE网络装机和kickstart无人值守
  8. C#验证字符串是否是数字,是否包含中文，是否是邮箱格式，是否是电话格式
  9. 温度传感器的类型原理特点和应用
  10. VSCode中安装Django插件后实现html语法提示
  11. 基于生物特征密钥生成研究 ------应用于区块链领域密钥的生成办法
  12. python程序文件扩展名主要是什么_python程序文件扩展名知识点详解
  13. API 接口应该如何设计？如何保证安全？如何签名？如何防重？
  14. Spring中bean的scop
  15. 生成对抗式网络 (GAN) 及其应用
  16. Python生成声音波形、模拟钢琴音色
  17. VGG论文原文重点提炼解析
  18. 【PPic】在PPic图床中如何配置使用七牛
  19. windows10 设定和取消定时关机
  20. iOS 简单实用的音乐播放器，少年，自己做个歌单吧。。。。。。

热门文章

  1. 代码覆盖率在性能优化上的一种可行应用
  2. Effective Java 类和接口 第17条：要么为继承而设计，并提供文档说明，要么就禁止继承
  3. robot—如何调用上传文件的接口，表单传值
  4. java的jna电脑桌面背景_获取bing图片并自动设置为电脑桌面背景（使用 URLDownloadToFile API函数）...
  5. 使用 Scrapy + Selenium 爬取动态渲染的页面
  6. 关于source insight、添加.s和.S文件，显示全部路径、加入项目后闪屏幕
  7. XDOJ32角谷定理
  8. OpenCV-Python：图像的几何变换（平移、旋转、仿射变换等）
  9. 戴尔台式计算机怎么安装的,戴尔Dell电脑U盘安装台式机win10系统教程详解
  10. RHCSA之Linux系统简介